SPSS ile Korelasyon, Regresyon ve Parametrik Olmayan Testler

SPSS rehberimizin ilk üç bölümünde veri hazırlığından betimsel istatistiklere, normallik testlerinden parametrik grup karşılaştırmalarına (T-Testi ve ANOVA) kadar olan tüm süreçleri adım adım inceledik. Serimizin bu son bölümünde ise ilişkileri ölçen Korelasyon, etkiyi/tahmini açıklayan Regresyon ve verilerin normal dağılmadığı durumlarda hayat kurtaran Parametrik Olmayan (Non-Parametrik) Testleri ele alıyoruz.

Sosyal medyada “Korelasyon yüksekse biri diğerinin nedenidir” veya “Veri normal dağılmadıysa tez çöp olmuştur” gibi yanlış yorumlarla karşılaşabilirsin. Unutma: Korelasyon nedensellik bildirmez, sadece ilişki yönünü gösterir. Verilerin normal dağılmaması ise tezin bittiği anlamına gelmez; non-parametrik testler tam da bu durumlar için bilimsel olarak geliştirilmiştir.

Tezinizin veya araştırmanızın ilişki ve etki hipotezlerini doğru sınamak, normallik ihlallerinde doğru alternatife yönelmek ve sonuçları APA formatında sunabilmek için serimizin bu son rehberinde tüm detayları masaya yatırdık.

1. Korelasyon Analizi (Correlation Analysis): İlişkinin Yönü ve Şiddeti

İki sürekli değişken arasında doğrusal bir ilişki olup olmadığını, varsa bu ilişkinin yönünü (pozitif/negatif) ve gücünü ölçmek için kullanılır.

• Pearson Korelasyonu: Veriler normal dağılıyorsa (Parametrik) tercih edilir.
• Spearman Rank Korelasyonu: Veriler normal dağılmıyorsa (Non-Parametrik) veya sıralı (Ordinal) veri tipinde tercih edilir.
• SPSS Adımı: Analyze > Correlate > Bivariate
• Katsayı ($r$) Yorumlama:
  • $r = 0.00 – 0.29$: Zayıf düzeyde ilişki
  • $r = 0.30 – 0.69$: Orta düzeyde ilişki
  • $r = 0.70 – 1.00$: Güçlü düzeyde ilişki
  • Not: $p < 0.05$ ise ilişki istatistiksel olarak anlamlıdır.

2. Lineer Regresyon Analizi (Linear Regression): Etki ve Tahmin

Korelasyondan farklı olarak, bağımsız bir değişkenin ($X$) bağımlı bir değişken ($Y$) üzerindeki etki düzeyini ve açıklayıcılık gücünü test eder.

• SPSS Adımı: Analyze > Regression > Linear
• Kritik Çıktılar:
  • Model Anlamlılığı (ANOVA Tablosu): $p < 0.05$ olmalıdır (Model bir bütün olarak anlamlıdır).
  • Açıklayıcılık Gücü ($R^2$ / R Square): Bağımsız değişkenin, bağımlı değişkendeki değişimin % kaçını açıkladığını gösterir (Örn: $R^2 = 0.42$ ise %42’sini açıklar).
  • Beta ($\beta$) Katsayısı: $X$’teki 1 birimlik artışın $Y$ üzerinde ne kadarlık artış/azalış yarattığını gösterir.

3. Parametrik Olmayan (Non-Parametrik) Testler

Normallik varsayımının sağlanmadığı ($p < 0.05$), örneklem sayısının çok küçük olduğu ($N < 30$) veya verilerin kategorik/sıralı olduğu durumlarda parametrik testlerin muadilleri kullanılır:

A. Mann-Whitney U Testi (Independent T-Test Alternatifi)

• Bağımsız iki grubun ortancalarını karşılaştırır.
• SPSS Adımı: Analyze > Nonparametric Tests > Legacy Dialogs > 2 Independent Samples

B. Wilcoxon İşaretli Sıralar Testi (Paired T-Test Alternatifi)

• Aynı grubun ön-test ve son-test puanlarını normal dağılım olmadan karşılaştırır.
• SPSS Adımı: Analyze > Nonparametric Tests > Legacy Dialogs > 2 Related Samples

C. Kruskal-Wallis H Testi (One-Way ANOVA Alternatifi)

• Üç veya daha fazla bağımsız grubu karşılaştırır. Anlamlı fark çıkarsa ($p < 0.05$), gruplar arası ikili farkları bulmak için Dunn-Bonferroni testi kullanılır.
• SPSS Adımı: Analyze > Nonparametric Tests > Legacy Dialogs > K Independent Samples

D. Ki-Kare Testi (Chi-Square Test of Independence)

• İki kategorik değişken arasında bağıntı olup olmadığını test eder (Örn: Cinsiyet ile Marka Tercihi arasındaki ilişki).
• SPSS Adımı: Analyze > Descriptive Statistics > Crosstabs > Statistics > Chi-square

Sık Yapılan 3 Büyük Hata

1. Korelasyondan Nedensellik Çıkarmak: “X ile Y arasında yüksek korelasyon var, öyleyse X değişkeni Y’ye neden olmaktadır” demek metodolojik bir hatadır; nedensellik için Regresyon yapılmalıdır.
2. Multicollinearity (Çoklu Doğrusallık) Kontrolünü Unutmak: Çoklu regresyon analizinde bağımsız değişkenlerin birbiriyle aşırı yüksek korelasyona sahip olması ($r > 0.80$) modelin güvenirliğini bozar (VIF ve Tolerance değerleri kontrol edilmelidir).
3. Normal Dağılmayan Veride Parametrik Testte Israr Etmek: Normallik şartı sağlanmadığı halde non-parametrik alternatife geçmeyip T-Testi yapmaya devam etmek.

Tüm SPSS Veri Analizi Sürecinizde Eduvita Yanınızda!

4 bölümlük SPSS rehberimizin sonuna geldik! Veri girişinden karmaşık regresyon modellerine ve non-parametrik testlere kadar tüm akademik analiz sürecinizi hatasız ve öz güvenle tamamlamanız için Eduvita Eğitim Danışmanlık olarak yanınızdayız:

• Korelasyon, Regresyon ve İleri İstatistik Danışmanlığı: Araştırma modelinize uygun gelişmiş analizlerin yürütülmesi, model uyum iyiliklerinin ($R^2$, VIF) değerlendirilmesi.
• Non-Parametrik Analiz ve Raporlama Desteği: Normallik ihlali olan veri setleriniz için en doğru alternatif testlerin seçilmesi ve APA 7 formatında tablolaştırılması.
• Tez Savunması ve Jüri Hazırlık Mentorluğu: Yapılan analizlerin mantığını, hipotez testlerinin sonuçlarını tez savunmanızda jüriye karşı rahatlıkla savunabilmeniz için birebir akademik koçluk.

Akademik yolculuğunuzda veri analizi yükünü tek başınıza taşımayın, uzman desteğiyle başarıya ulaşın!

Hemen Ücretsiz SPSS Veri Analizi ve Danışmanlık Randevusu Alın